深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
121	2026-06-03	Deep learning-driven decoding of ubiquitination: from regulatory mechanisms to targeted protein degradation 2026-Jun-01, Biology direct IF:5.7Q1 DOI:10.1186/s13062-026-00848-7 PMID:42226266	综述	总结深度学习在泛素化研究中的多重应用，从预测泛素化位点到机制解码和治疗转化	系统梳理了深度学习从预测到机制理解再到治疗设计的全链条应用，强调了可解释性和理性分子设计	未进行实证分析，未来需发展更可解释的模型并加强实验验证	揭示深度学习如何重塑泛素化研究，推动从描述性预测向机制理解和治疗应用转化	泛素化系统及其在疾病中的作用机制	机器学习	癌症, 神经退行性疾病, 免疫功能障碍, 代谢疾病	深度学习	卷积神经网络(CNN), 循环神经网络(RNN), Transformer, 蛋白质语言模型, 图神经网络(GNN), 生成模型, 强化学习	序列数据, 结构数据, 多模态数据	NA	NA	卷积神经网络, Transformer, 图神经网络, 生成对抗网络(GAN)	预测准确性	NA
122	2026-06-03	Artificial Intelligence Methods in Early Detection of Autism Spectrum Disorder: A DSM-5 Criterion-Based Systematic Review 2026-Jun-01, Autism research : official journal of the International Society for Autism Research IF:5.3Q1 DOI:10.1002/aur.70279 PMID:42226557	系统性综述	本系统性综述评估了基于人工智能的儿童自闭症谱系障碍早期检测方法，分析了其分布、性能、与DSM-5标准的一致性以及方法学质量	首次基于DSM-5标准系统地评估AI在ASD早期检测中的应用，揭示了不同AI技术（经典机器学习、深度学习、混合方法）的分布与表现，并发现直接符合DSM-5标准的研究具有更高的准确性中位数	Criterion B（限制性/重复性行为）覆盖率不足，研究地理偏向高收入地区，方法学不一致（如57%的患者选择不明确、43%的指数测试风险不明确），且未进行引文追踪	评估人工智能方法在早期检测自闭症谱系障碍（ASD）中的潜力，提供比主观行为评估更客观的替代方案	0-18岁临床诊断为ASD的儿童	机器学习	自闭症谱系障碍	NA	卷积神经网络、支持向量机、经典机器学习、深度学习、混合方法	可观察行为数据	43项研究（从1018篇记录中筛选）	NA	CNN、SVM	accuracy	NA
123	2026-06-03	Predictive and interactive roles of motivation and situational learning activities on emotional and cognitive engagement 2026-Jun-01, The British journal of educational psychology DOI:10.1111/bjep.70099 PMID:42226569	研究论文	探讨课外学习活动中动机与情境学习活动对学生情感和认知参与的预测及交互作用	聚焦课外学习情境，采用经验取样法捕捉实时数据，揭示动机与情境参与的动态交互关系	未明确提及具体局限性	研究学生动机、情境参与（情绪和学习策略）与课外学习活动背景之间的关系	394名本科生，平均年龄21.26岁，来自不同种族背景和学科	机器学习	NA	NA	NA	问卷数据	394名本科生	NA	NA	NA	NA
124	2026-06-03	Machine learning in tissue engineering: a comprehensive review of applications, challenges, and prospects 2026-Jun-01, Journal of biomaterials science. Polymer edition DOI:10.1080/09205063.2026.2675360 PMID:42226588	综述	全面回顾机器学习在组织工程中的应用、挑战与前景	系统梳理了机器学习和深度学习在组织工程（包括生物材料性能预测、支架设计、组织再生和3D生物打印）中的最新应用，并指出了数据质量、模型可解释性和标准化等关键挑战	数据质量、模型可解释性和标准化问题阻碍了这些技术的全面整合	概述机器学习与深度学习在组织工程中的当前进展、挑战和未来方向	组织工程中的生物材料、支架、组织再生和3D生物打印	机器学习	NA	NA	机器学习, 深度学习	NA	NA	NA	NA	NA	NA
125	2026-06-03	Overrepresentation Bias Leads to Performance Overestimation in Blood-Brain Barrier Permeability Prediction Models: Characterization and Mitigation 2026-Jun-01, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02891 PMID:42226621	研究论文	揭示了药物性质数据库中近相同化合物的过度代表偏差导致血脑屏障渗透性预测模型性能被高估，并提出了自动检测和偏差感知数据处理方法来缓解该问题	首次系统性地识别并研究了药物化合物数据库中过度代表偏差对血脑屏障渗透性预测模型评估的影响，并提出了自动检测算法和偏差感知数据处理流程	NA	探索过度代表偏差对血脑屏障渗透性预测模型性能评估的影响，并提出缓解方法以确保更可靠的模型评估	近相同化合物及血脑屏障渗透性预测模型	机器学习	神经系统疾病（血脑屏障相关）	NA	深度学习	药物化合物属性数据	NA	NA	NA	AUC, 宏平均F1分数	NA
126	2026-06-03	Artificial Intelligence for the Diagnosis of Pancreatic Diseases Using Endoscopic Ultrasonography 2026-Jun, Digestive endoscopy : official journal of the Japan Gastroenterological Endoscopy Society IF:5.0Q1 DOI:10.1111/den.70171 PMID:42227807	综述	本文系统回顾了人工智能在超声内镜图像诊断胰腺疾病中的应用现状、技术方法及未来方向	首次系统梳理了EUS-AI在胰腺疾病诊断中的三种主要任务（肿瘤检测分类、囊性病变分类、实质/站识别），并总结了多模态模型和深度学习架构的应用，同时指出仅有一个模型在日本获批但技术细节未公开	已发表研究多数缺乏充分的外部验证，数据来自单一机构、标签标注不一致、诊断标准多样，且内部验证可能高估模型性能，现有证据基础有限	评估人工智能在超声内镜图像诊断胰腺疾病中的研究现状、技术进展和临床转化挑战	胰腺肿瘤、囊性病变、胰腺实质及超声内镜站位的相关图像数据	数字病理学	胰腺疾病	超声内镜成像	深度学习模型	图像	共纳入22篇同行评审研究（1项检测+17项肿瘤分类+4项囊性病变分类+4项实质/站位识别）	NA	ResNet, EfficientNet, VGG, UNet++, YOLO, 自定义卷积网络	准确率	NA
127	2026-06-02	Machine learning accelerated nonadiabatic molecular dynamics of defect-mediated recombination in alkali metal passivated Cu2ZnSnS4 2026-Jun-07, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0336824 PMID:42223102	研究论文	开发机器学习加速框架，模拟碱金属钝化Cu2ZnSnS4中缺陷介导的非辐射电子-空穴复合的非绝热分子动力学	将非绝热耦合演化构建为时间序列预测问题，基准测试37种深度学习架构，并采用扩展长短期记忆模型实现高精度预测，计算成本降低超过五个数量级	NA	提出机器学习加速非绝热分子动力学框架，高效模拟缺陷介导的非辐射复合过程并揭示其机制	含CuZn反位缺陷和CuZn+ZnCu反位对的Cu2ZnSnS4材料，以及碱金属（Li, Na, K）钝化效应	机器学习	NA	第一性原理非绝热分子动力学模拟，时间序列预测	递归神经网络，卷积神经网络，Transformer，混合模型，扩展长短期记忆模型	非绝热耦合时间序列数据	NA	NA	扩展长短期记忆模型，递归神经网络，卷积神经网络，Transformer	R方	NA
128	2026-06-02	Deep learning model for predicting mRNA half-life based on 3'UTR sequences 2026-06-04, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2026.153691 PMID:41932116	research paper	提出一个结合预训练RNA语言模型和Transformer的序列驱动框架，仅从3'UTR序列预测mRNA半衰期	首次将预训练RNA语言模型（RNA-FM）与Transformer结合，仅从3'UTR序列实现mRNA半衰期预测，并整合了生物可解释性分析	模型在已知基因的新异构体上进行评估，可能对全新基因预测效果有限；单个基序效应量中等	开发一种仅基于3'UTR序列预测mRNA半衰期的计算框架，兼具预测准确性和生物学可解释性	酿酒酵母（Saccharomyces cerevisiae）转录本的3'UTR序列与mRNA半衰期	自然语言处理, 机器学习	NA	RNA-seq	Transformer, RNA-FM	序列数据	酿酒酵母转录本的3'UTR序列（具体样本数未明确提及）	PyTorch	RNA-FM, Transformer	RMSE, MAE, R	NA
129	2026-06-02	Automated detection of neonatal pulmonary hypertension in echocardiograms with a deep learning model 2026-Jun, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-025-04404-3 PMID:40993360	研究论文	提出一种基于深度学习模型的自动化方法，使用标准超声心动图视频检测新生儿肺动脉高压	首次利用时空卷积神经网络结合偏心指数对新生儿超声心动图进行自动化PH检测，并通过显著图增强可解释性	仅基于单一中心的回顾性数据，未在外部多中心数据集中验证，且样本年龄范围有限（3-90天）	开发并验证一种深度学习模型，用于从标准超声心动图中自动检测新生儿肺动脉高压	新生儿（3-90天）的超声心动图视频，包括五个标准视图	计算机视觉	肺动脉高压	超声心动图	卷积神经网络（CNN）	图像（超声心动图视频帧）	训练与验证集975个视频，保留测试集378个视频，共13530帧	NA	空间卷积神经网络、时空卷积神经网络	AUROC	NA
130	2026-06-02	Artificial intelligence in antimicrobial drug discovery: predictive and generative strategies 2026-Jun, Expert opinion on drug discovery IF:6.0Q1 DOI:10.1080/17460441.2026.2674968 PMID:42154787	综述	总结了人工智能在抗菌药物发现中的预测和生成策略的最新进展与挑战	综述了AI驱动的预测和生成策略在抗菌药物发现中的整合应用，并展望了未来十年的‘自主发现’范式	当前持久存在的挑战包括数据偏差、缺乏标准化基准测试框架和临床转化差距	综述人工智能在抗菌药物发现中的应用现状与未来方向	针对细菌、真菌和病毒感染的抗菌药物（包括小分子、肽、噬菌体和蛋白质药物）的发现策略	机器学习	感染性疾病	NA	机器学习、深度学习、自然语言处理	NA	NA	NA	NA	NA	NA
131	2026-06-02	Deep learning for automatic segmentation of the inferior alveolar nerve using a hybrid CNN-transformer framework 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55949-0 PMID:42219396	研究论文	提出一种基于混合CNN-Transformer框架的深度学习模型，用于锥形束CT中下牙槽神经的自动分割	引入任务特定的CNN-注意力混合架构，包括阶段限制的排列自适应实例归一化和解码器阶段上下文细化模块，以提高薄管状神经分割的鲁棒性和解剖连续性	与nnU-Net相比改进幅度有限，且需在更大数据集上验证泛化能力	开发一种改进的自动分割框架，准确识别CBCT中的下牙槽神经，预防口腔颌面手术中的神经损伤	下牙槽神经与锥形束CT影像	计算机视觉	口腔颌面神经损伤	锥形束CT	混合CNN-Transformer	医学影像	来自两个机构的130个CBCT扫描	nnU-Net	CNN-注意力混合架构（含排列自适应实例归一化与解码器注意力模块）	Dice相似系数, HD95, 平均对称表面距离	未指定
132	2026-06-02	[Automatic micro-CT pulp cavity image segmentation based on few-shot transfer learning] 2026-Jun-01, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20260226-00134 PMID:42219731	研究论文	开发基于少样本迁移学习的微CT牙髓腔图像分割模型PulpSAM实现高效准确分割	通过跨域适应策略将自然图像分割基础模型SAM迁移至牙髓腔图像分割任务并提出PulpSAM模型	未在临床多中心数据验证，样本仅来自单一医院且为病理原因拔除的牙齿	开发微CT牙髓腔图像自动分割模型以支持三维解剖研究和数字化根管治疗	因病理原因拔除的牙齿微CT扫描图像	计算机视觉	牙科疾病	微CT	SAM（Segment Anything Model）	图像	110颗牙齿，分为训练集（10颗）、测试集（90颗）和独立测试集（10颗）	NA	PulpSAM（基于SAM）	交并比、Dice系数、精确率、准确率、95%豪斯多夫距离、平均对称表面距离	NA
133	2026-06-02	Diagnosis and classification of thalassemia disease using machine learning: Comparative analysis of traditional models and a novel hybrid approach 2026-Jun-01, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329261448689 PMID:42220235	研究论文	利用机器学习方法对地中海贫血及其亚型进行分类诊断，比较传统模型与新型混合模型ThalP的性能	提出一种混合堆叠模型ThalP，将支持向量机、逻辑回归和XGBoost的概率输出通过神经网络元分类器集成，基于常规血液学参数实现地中海贫血亚型的高效分类	合成训练数据集基于真实数据的统计特性生成，可能无法完全模拟真实世界数据的异质性；模型在外部真实数据集上的准确率为83.1%，仍有提升空间	评估机器学习算法用于地中海贫血及其亚型的分类，探索混合模型作为临床决策支持工具的潜力	地中海贫血患者，包括α地中海贫血和β地中海贫血（轻型、中间型和重型）	机器学习	地中海贫血	常规血液学参数分析	支持向量机、逻辑回归、XGBoost、人工神经网络、混合堆叠模型	表格数据	合成训练数据集1534个样本，外部真实数据集349名患者	NA	支持向量机、逻辑回归、XGBoost、人工神经网络、ThalP混合堆叠模型	准确率、宏F1分数	NA
134	2026-06-02	Deep blueprint: A literature review and guide to automated image classification for ecologists 2026-Jun-01, The Journal of animal ecology IF:3.5Q1 DOI:10.1111/1365-2656.70271 PMID:42220300	综述论文	为生态学家提供基于深度学习的自动化图像分类实用指南与综述，涵盖从数据获取到模型部署的完整流程	整合常用软件工具并构建模块化工作流，同时提供Python和R代码及图形用户界面，以YOLOv8和YOLOv11模型对比分析为案例，揭示复杂模型并非总是最优	仅聚焦于图像分类任务，未涉及目标检测或图像分割等其他自动化图像分析任务；案例数据集可能具有特定性	降低深度学习在生态学研究中的应用门槛，促进计算机视觉技术的广泛采用，支持可重复、标准化和可持续的生态监测	生态学家及其自动化图像分类研究项目	计算机视觉	NA	深度学习、计算机视觉	CNN	图像	挪威海的深海生物群落ROV数据集	Ultralytics ML平台	YOLOv8系列、YOLOv11系列	准确率、宏平均性能指标	NA
135	2026-06-02	Estimating mechanical impedance from hydrophone measurements 2026-Jun-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0043957 PMID:42223265	研究论文	提出一种利用稀疏水听器测量估算薄球壳机械阻抗的方法	无需训练阶段即可高效计算机械阻抗，适用于实时和低能耗场景	性能受频率升高引起的指向性限制	开发无需额外训练步骤的低能耗实时阻抗估算方法	薄球壳散射体的机械阻抗	机器学习	NA	水听器测量	NA	水听器测量数据	10个水听器	NA	NA	绝对百分比误差	NA
136	2026-06-02	The role of machine learning, deep learning, and MRI findings in the classification of pediatric posterior fossa tumors 2026-Jun-01, Child's nervous system : ChNS : official journal of the International Society for Pediatric Neurosurgery DOI:10.1007/s00381-026-07316-7 PMID:42223485	研究论文	评估机器学习和深度学习模型利用MRI影像组学特征对儿童后颅窝肿瘤进行分类	比较多种机器学习模型（GBM、DT、RF及其集成）与深度学习模型ResNet101V2在儿童后颅窝肿瘤MRI分类中的性能，并指出EP和DMG区分困难的挑战	样本量较小（63例），对EP和DMG的准确区分仍具挑战，深度学习模型在扩散序列上表现较低	评估机器学习和深度学习模型利用MRI特征对儿童后颅窝肿瘤进行分类的效果	儿童后颅窝肿瘤，包括髓母细胞瘤、毛细胞星形细胞瘤、室管膜瘤和弥漫性中线胶质瘤	机器学习, 计算机视觉, 数字病理学	儿童后颅窝肿瘤	MRI	CNN, 梯度提升机, 决策树, 随机森林	影像数据（MRI：T2加权成像、弥散加权成像、表观弥散系数序列、T1加权成像、对比增强T1加权成像）	63例儿科患者，包括21例MB、20例PA、11例EP、11例DMG	TensorFlow	ResNet101V2, 梯度提升机, 决策树, 随机森林	准确率	NA
137	2026-06-02	Predicting Metastatic Potential from Histopathological Whole Slide Images of Primary Tumors in Head and Neck Squamous Cell Carcinoma Using Attention-Based Deep Learning and Signaling Pathway Alterations 2026-Jun-01, Head and neck pathology DOI:10.1007/s12105-026-01920-4 PMID:42223560	研究论文	提出一种基于注意力机制和残差网络的深度学习框架，从头颈部鳞状细胞癌的原发性全切片图像中预测远处转移风险	结合自注意力机制与残差网络（ResNet），解决病理切片预处理中patch级别变异性带来的挑战，提升预测性能	未报告模型的可解释性细节，未来需整合多模态数据并推广至其他癌症类型	开发深度学习模型以预测HNSCC患者远处转移的可能性，支持早期干预和临床决策	头颈部鳞状细胞癌（HNSCC）患者的全切片病理图像	数字病理学	头颈部鳞状细胞癌	NA	CNN, 自注意力机制, 残差网络（ResNet）	图像（全切片病理图像）	TCGA-HNSCC数据集（未明确样本数量）及外部验证集TCGA-ESCA	PyTorch	自注意力机制 + ResNet	准确率, AUC, F1分数	NA
138	2026-06-02	Evaluation of super-resolution deep learning reconstruction on three-dimensional constructive interference in steady state for enhanced visualization of vestibular schwannomas 2026-Jun-01, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-026-01073-7 PMID:42223818	研究论文	评估超分辨率深度学习重建在三维稳态干涉序列中增强前庭神经鞘瘤可视化的效果	首次将超分辨率深度学习重建应用于前庭神经鞘瘤的3D-CISS MRI，相比传统DLR和ZIP显著提升图像锐度和病变可见性	未提及算法局限性或计算资源需求，可能样本量较小（39例）	比较SR-DLR、DLR和ZIP三种重建技术在前庭神经鞘瘤可视化中的表现	39例前庭神经鞘瘤患者的三维稳态干涉MRI图像	计算机视觉, 医学影像	前庭神经鞘瘤	3D-CISS MRI	超分辨率深度学习重建	图像	39例前庭神经鞘瘤患者	NA	NA（未指定具体架构）	锐度评分, 边缘上升距离, 边缘上升斜率, 信噪比, 对比噪声比, 对比度比	NA
139	2026-06-02	Attention-Guided Multi-View Contrastive Learning for Predicting Sparse Drug-Gene Associations 2026-Jun-01, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-026-00843-6 PMID:42223887	研究论文	提出了一种注意力引导的多视图对比学习方法（AMCL），用于预测稀疏的药物-基因关联	提出注意力引导的多视图对比学习方法，整合多尺度特征学习和动态超图学习模块来捕获高阶依赖关系，并利用LCA偏置注意力机制提升模型区分能力	NA	提高现有预测模型在稀疏数据下的性能和泛化能力，用于药物发现和再利用	药物-基因相互作用关系	机器学习	NA	对比学习、图卷积网络、超图学习	对比学习模型	表格数据（稀疏的药物-基因关联数据）	三个数据集：DGIdb 5.0, ChEMBL和Guide to Pharmacology	NA	Multi-View Contrastive Learning, Graph Convolutional Network, Dynamic Hypergraph Learning, LCA-biased Attention	NA	NA
140	2026-06-01	Comparison of machine learning and deep learning models in manual strength prediction using anthropometric variables 2026-Jun, International journal of occupational safety and ergonomics : JOSE IF:1.6Q3 DOI:10.1080/10803548.2025.2554461 PMID:41021732	研究论文	使用人体测量学变量评估机器学习与深度学习模型在手动力量预测中的表现	比较了传统机器学习与多种深度学习模型（包括TabNet、TabPFN和定制卷积神经网络）在手动力量预测中的性能，并结合SHAP分析解释特征重要性	深度学习模型在特定任务中表现优异，但线性回归在泛化方面更为稳健，且集成方法存在过拟合倾向	评估机器学习与深度学习模型在利用人体测量学变量预测手动力量方面的性能	墨西哥坎佩切经济活动人口中的382名参与者	机器学习	NA	NA	线性回归、随机森林、AdaBoost、极限梯度提升、TabNet、TabPFN、卷积神经网络	数值型数据（人体测量学变量和力量数据）	382名参与者（男性和女性）	NA	线性回归、随机森林、AdaBoost、XGBoost、TabNet、TabPFN、自定义卷积神经网络	平均绝对误差、均方误差、解释方差分数	NA